14.02.2023  •  Игорь Калинин, генеральный директор TWIN  •  Просмотров: 1195

Твин-бот — культурный коллектор

Твин-бот — культурный коллектор

Взыскание долгов — дело деликатное. Люди подвержены эмоциям, а потому порой срываются. Причём иногда это происходит даже с теми, у кого характер «нордический». Другое дело бот — ему говори хоть что, даже своей цифровой бровью не поведёт.

У коллекторского агентства ID Collect (одно из крупнейших в России согласно различным рейтингам) собственный колл-центр. Сотрудники загружены до предела, однако всё равно не справляются. Ещё бы: нужно обзванивать должников не только по своим (выкупленным) долгам, но и как поручителям по долгам банков-партнёров. Добавим сюда и нагрузку по входящим звонкам. А кроме того, значительно выросла стоимость исходящих звонков, что также перестало устраивать руководство ID Collect.

На входящих

Нам было предложено автоматизировать колл-центр так, чтобы боты занимались всеми входящими звонками. А также взяли на себя и часть исходящих. В течение месяца мы создали несколько исходящих сценариев. И взяли на себя работу на входящих по ночам, пока операторы спят. Дело в том, что колл-центр расположен в одном часовом поясе, и ночью работал автоответчик. Работа твина понравилась заказчику, поэтому было решено запустить его на круглосуточное дежурство. По ночам он работает один, а днём вместе со специалистами.

Но это не всё, что мы сделали по входящим. Также мы сумели разделить цессионные и агентские долги, то есть от банков-партнёров. Это получилось сделать путём написания специального скрипта. Абонент звонит в агентство, твин задаёт ему несколько вопросов и по ответам понимает, какого типа долг. В результате звонок переводится на нужного специалиста.

И на исходящих

Что до исходящих звонков, то мы предусмотрели несколько вариантов сценария. То, что говорит бот, зависит от суммы долга и от того, как долго человек не платит. Но в любом случае разговор получается культурным: мы же не братки из девяностых. А ещё мы создали несколько скриптов для обзвона судов, чтобы возвращать долги на судебной стадии. И эта работа тоже лежала на многострадальных специалистах колл-центра. Теперь же вопросы юристам задаёт твин и записывает ответы в базу данных.

Вместо тысячи слов

  • Сегодня твин-боты обрабатывают около 70% звонков колл-центра.
  • Ежедневный обзвон доходит до 500 тысяч номеров (только подсчитайте, сколько для этого понадобилось бы привлечь живых специалистов).
  • Стоимость минуты звонка удалось сократить с 18-20 до 7-8 руб., что обходится заказчику в 2,5-3 раза дешевле.

Планируем и дальше развивать библиотеку скриптов. Например, уже готов сценарий, согласно которому твин предлагает списание долга со скидкой. А также дорабатываем сценарии, чтобы сделать звонки ещё дешевле и ещё больше разгрузить колл-центр.

И снова о кредитах

Но на этот раз о кредитных брокерах из банка БЖФ, которые занимаются выдачей кредитов под залог недвижимости. Процедура эта времязатратная, и особенно долго выполняется проверка заявки. Судите сами: нужно вручную заполнить все данные для оценки объекта. Указать количество комнат, этаж (и этажность), площадь квартиры, кадастровый номер, проверить рыночную стоимость. Естественно, о быстрой проверке не могло быть и речи, а ведь у брокеров немало и других важных задач.

Поэтому мы предложили автоматизацию этой рутины. Часть этого процесса была реализована через чат-бота в Telegram. Бот отправляет клиенту форму заявки, в которой просит указать сумму для выдачи. А после заполнения формы отправляет клиенту СМС для подтверждения заявки.

Ещё один бот помогает кредитным брокерам проверять статус заявки. Он выводит заявки по нужным фамилиям, ID и любым другим нужным пунктам из обширной базы данных. Есть и функция выведения заявок согласно статусу («Одобрена», «На рассмотрении» и т. д.), что очень удобно. Ведь нередко брокерам нужно просматривать заявки, находящиеся на определённых этапах.

Также твин проверяет корректность заполнения форм. Так, он исправляет ошибочные названия. Некоторые клиенты указывают сокращённые названия городов, что недопустимо (например, Мск, Спб, Екб). Наш бот сам заменяет их на правильные. А если что-то не заполнено вовсе, укажет и на это.

Как только все данные введены, твин тут же рассчитывает максимальную сумму, которую банк сможет выдать под залог. А ещё рассчитает ежемесячные платежи. И, как известно, для оформления кредита нужно получить от клиента согласие на обработку персональных данных. Наши твины умеют и это: на номер клиента отправляется СМС со ссылкой для подтверждения такого согласия.

Кстати, теперь на сайте БЖФ есть всплывающее окошко, где клиентам предлагается завести заявку прямо в Телеграме. И всем удобно.

И это не всё. Также мы интегрировали твин-ботов в систему распознавания паспортных данных и фото. Теперь брокерам не нужно самостоятельно вбивать данные клиентов, на что раньше уходило немало времени. Кроме того, твины также проводят проверку по базе МВД, чтобы выяснить, действителен ли загруженный паспорт.

На этом с кредитными историями пока всё, скоро вернусь с интересными кейсами по другим темам!